我们提出了一个完整的框架，用于无模型的协变量差分分析，其中无模型意味着数据驱动，特别是非参数估计和测试，变量和尺度选择。我们首先通过同时选择混杂因素和结果变量沿识别条件的比例来搜索首选的数据设置。治疗效果本身的估计分为两个步骤:首先，沿着协变量分层的异质效应，然后是感兴趣人群的平均治疗效果。我们提供了渐近统计量以及我们的方法的有限样本行为，并建议自举程序来计算标准误差和显著性检验的p值。我们的方法的针对性是通过一项对非公民移民的人力资本反应的儿童入境暂缓行动计划的影响的研究显示出来的。我们表明，过去的结果低估了对14-18岁个人出勤率的积极影响，以及对高中毕业率的积极影响。此外，我们发现参数化方法无法识别对大学年龄个体上学的负面影响。实际问题包括带宽选择，样本权重和实现在补充中给出。